黑龙江冰雪体育职业学院《机器学习》2025-2026学年第二学期期末试卷(A卷)

站名：站名：年级专业：姓名：学号：凡年级专业、姓名、学号错写、漏写或字迹不清者，成绩按零分记。…………密………………封………………线…………第1页，共1页黑龙江冰雪体育职业学院《机器学习》2025-2026学年第二学期期末试卷(A卷)注意事项:1.请考生在下列横线上填写姓名、学号和年级专业。2.请仔细阅读各种题目的回答要求，在规定的位置填写答案。3.不要在试卷上乱写乱画，不要在装订线内填写无关的内容。4.考试时间120分钟专业学号姓名题号一二三四五六七八总分统分人复查人得分得分评分人一、单项选择题（每题1分，共20分）1.下列关于监督学习算法中决策树的特点，错误的是（）。A.可以处理非线性的数据B.可以处理缺失值C.模型复杂度较高D.需要大量的训练数据2.以下哪个算法不属于无监督学习算法？（）A.K-meansB.AprioriC.PCAD.SVM3.在以下机器学习算法中，属于集成学习方法的是（）。A.KNNB.决策树C.AdaBoostD.线性回归4.下列哪个不是特征选择的方法？（）A.单变量统计测试B.递归特征消除C.主成分分析D.梯度提升5.以下哪个不是机器学习中的过拟合现象？（）A.模型在训练集上表现良好，但在测试集上表现差B.模型在训练集上表现差，但在测试集上表现良好C.模型在训练集和测试集上都表现良好D.模型在训练集和测试集上都表现差6.以下哪个不是深度学习的特点？（）A.可以处理复杂的非线性关系B.可以处理高维数据C.可以处理小样本数据D.计算复杂度较高7.以下哪个不是卷积神经网络（CNN）的特点？（）A.可以提取局部特征B.可以减少参数数量C.可以提高模型的表达能力D.需要大量的训练数据8.以下哪个不是强化学习中的价值函数？（）A.状态-动作价值函数B.状态价值函数C.动作价值函数D.模型价值函数9.以下哪个不是支持向量机（SVM）中的核函数？（）A.线性核B.多项式核C.高斯核D.神经网络核10.以下哪个不是机器学习中的评估指标？（）A.准确率B.精确率C.召回率D.F1分数11.以下哪个不是特征工程中的特征选择方法？（）A.相关性分析B.特征重要性排序C.特征卡方检验D.特征交叉验证12.以下哪个不是特征工程中的特征提取方法？（）A.主成分分析（PCA）B.逻辑回归C.特征编码D.特征选择13.以下哪个不是机器学习中的交叉验证方法？（）A.K折交叉验证B.留一法C.留N法D.随机交叉验证14.以下哪个不是机器学习中的过拟合现象？（）A.模型在训练集上表现良好，但在测试集上表现差B.模型在训练集上表现差，但在测试集上表现良好C.模型在训练集和测试集上都表现良好D.模型在训练集和测试集上都表现差15.以下哪个不是深度学习的特点？（）A.可以处理复杂的非线性关系B.可以处理高维数据C.可以处理小样本数据D.计算复杂度较高16.以下哪个不是卷积神经网络（CNN）的特点？（）A.可以提取局部特征B.可以减少参数数量C.可以提高模型的表达能力D.需要大量的训练数据17.以下哪个不是强化学习中的价值函数？（）A.状态-动作价值函数B.状态价值函数C.动作价值函数D.模型价值函数18.以下哪个不是支持向量机（SVM）中的核函数？（）A.线性核B.多项式核C.高斯核D.神经网络核19.以下哪个不是机器学习中的评估指标？（）A.准确率B.精确率C.召回率D.F1分数20.以下哪个不是特征工程中的特征选择方法？（）A.相关性分析B.特征重要性排序C.特征卡方检验D.特征交叉验证二、多项选择题（每题2分，共20分）1.以下哪些是机器学习中的监督学习算法？（）A.决策树B.支持向量机C.线性回归D.KNN2.以下哪些是无监督学习算法？（）A.K-meansB.AprioriC.PCAD.AdaBoost3.以下哪些是机器学习中的集成学习方法？（）A.AdaBoostB.XGBoostC.LightGBMD.决策树4.以下哪些是机器学习中的特征选择方法？（）A.相关性分析B.特征重要性排序C.特征卡方检验D.特征交叉验证5.以下哪些是机器学习中的特征提取方法？（）A.主成分分析（PCA）B.逻辑回归C.特征编码D.特征选择6.以下哪些是机器学习中的交叉验证方法？（）A.K折交叉验证B.留一法C.留N法D.随机交叉验证7.以下哪些是机器学习中的过拟合现象？（）A.模型在训练集上表现良好，但在测试集上表现差B.模型在训练集上表现差，但在测试集上表现良好C.模型在训练集和测试集上都表现良好D.模型在训练集和测试集上都表现差8.以下哪些是深度学习的特点？（）A.可以处理复杂的非线性关系B.可以处理高维数据C.可以处理小样本数据D.计算复杂度较高9.以下哪些是卷积神经网络（CNN）的特点？（）A.可以提取局部特征B.可以减少参数数量C.可以提高模型的表达能力D.需要大量的训练数据10.以下哪些是强化学习中的价值函数？（）A.状态-动作价值函数B.状态价值函数C.动作价值函数D.模型价值函数三、判断题（每题1分，共10分）1.机器学习中的监督学习算法只能处理线性可分的数据。（）2.无监督学习算法不需要标签数据。（）3.集成学习方法可以提高模型的泛化能力。（）4.特征选择可以减少模型的训练时间。（）5.特征提取可以提高模型的准确率。（）6.交叉验证可以评估模型的泛化能力。（）7.过拟合是模型在训练集上表现良好，但在测试集上表现差的现象。（）8.深度学习可以处理高维数据。（）9.卷积神经网络（CNN）可以提取图像中的局部特征。（）10.强化学习中的价值函数可以评估策略的好坏。（）四、名词解释（每题4分，共20分）1.机器学习2.监督学习3.无监督学习4.集成学习方法5.特征选择五、简答题（每题6分，共18分）1.简述机器学习的基本流程。2.简述监督学习、无监督学习和半监督学习的区别。3.简述特征选择和特征提取的区别。六、案例分析题（1题，满分12分）某电商平台希望利用机器学习技术预测用户购买行为，以下为其收集到